🔬 applied physics

The First Hardware Demonstration of a Universal Programmable RRAM-based Probabilistic Computer for Molecular Docking

यह शोध पत्र एक सार्वभौमिक प्रोग्रामेबल RRAM-आधारित संभाव्य (प्रोबेबिलिस्टिक) कंप्यूटर के पहले हार्डवेयर प्रदर्शन की रिपोर्ट करता है जो ड्रग डिस्कवरी में पारंपरिक और क्वांटम कंप्यूटिंग विधियों की स्केलेबिलिटी और दक्षता सीमाओं को दूर करने के लिए 180 nm CMOS और HfO2 RRAM तकनीक का लाभ उठाकर लाइपोप्रोटीन-LolA-LolCDE इंटरैक्शन जैसी जटिल आणविक डॉकिंग समस्याओं को सफलतापूर्वक हल करता है।

मूल लेखक: Yihan He, Ming-Chun Hong, Qiming Ding, Chih-Sheng Lin, Chih-Ming Lai, Chao Fang, Xiao Gong, Tuo-Hung Hou, Gengchiau Liang

प्रकाशित 2026-07-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yihan He, Ming-Chun Hong, Qiming Ding, Chih-Sheng Lin, Chih-Ming Lai, Chao Fang, Xiao Gong, Tuo-Hung Hou, Gengchiau Liang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक बड़ी तस्वीर: दवा डिजाइन करने के लिए एक नए प्रकार की "अनुमान लगाने वाली मशीन"

कल्पना कीजिए कि आप एक बहुत ही जटिल, ताले लगे दरवाजे को खोलने के लिए एकदम सही चाबी खोजने की कोशिश कर रहे हैं। यह दरवाजा आपके शरीर में बीमारी पैदा करने वाले प्रोटीन का प्रतिनिधित्व करता है, और चाबी एक दवा का अणु (molecule) है। समस्या यह है कि फिट होने से पहले चाबी लाखों अलग-अलग तरीकों से मुड़ सकती है, घूम सकती है और झुक सकती है। पारंपरिक कंप्यूटर हर एक संभावना को एक-एक करके जांचने की कोशिश करते हैं, जिसमें बहुत समय लगता है। क्वांटम कंप्यूटर (भविष्य की "सुपर-फास्ट" तकनीक) उन सभी को एक साथ जांचने का वादा करते हैं, लेकिन वे वर्तमान में बहुत विशाल, महंगे और बहुत नाजुक हैं।

यह पेपर एक प्रकार के नए कंप्यूटर का परिचय देता है जिसे प्रोबेबिलिस्टिक कंप्यूटर (या "p-कंप्यूटर") कहा जाता है। इसे एक कठोर कैलकुलेटर के रूप में नहीं, बल्कि एक स्मार्ट, भाग्यशाली जुआरी के रूप में सोचें। हर दरवाजे को एक-एक करके जांचने के बजाय, यह समझदारी भरे अनुमान लगाता है, अपनी गलतियों से सीखता है, और सबसे अच्छे फिट को खोजने के लिए खोज को तेजी से सीमित कर देता है।

शोधकर्ताओं ने एक भौतिक चिप (एक छोटा कंप्यूटर मस्तिष्क) बनाया है जो इस अनुमान लगाने वाले खेल को RRAM नामक एक विशेष प्रकार की मेमोरी का उपयोग करके खेलता है। उन्होंने पहली बार इस चिप का उपयोग करके एक वास्तविक दुनिया की दवा डिजाइन की समस्या को सफलतापूर्वक हल किया।

"स्मार्ट जुआरी" कैसे काम करता है: कृत्रिम सिक्का उछालना

इस कंप्यूटर के केंद्र में एक छोटा घटक है जिसे p-bit (प्रोबेबिलस्टिक बिट) कहा जाता है।

पुराना तरीका: सामान्य कंप्यूटरों में, एक बिट एक लाइट स्विच की तरह होता है: यह या तो चालू (1) है या बंद (0)। जब तक आप इसे नहीं बताते, यह कभी नहीं बदलता।
नया तरीका: एक p-bit एक घूमते हुए सिक्के की तरह है। यह केवल चालू या बंद नहीं है; यह दोनों के बीच डगमगा रहा है।
- यदि सिक्के का झुकाव "Heads" पर अधिक है, तो यह लगभग हमेशा चालू रहेगा।
- यदि इसका झुकाव "Tails" की ओर है, तो यह लगभग हमेशा बंद रहेगा।
- यदि यह पूरी तरह से संतुलित है, तो यह यादृच्छिक (randomly) रूप से उछलेगा।

शोधकर्ताओं ने मानक कंप्यूटर चिप्स और एक नई मेमोरी सामग्री (HfO₂ RRAM) के संयोजन का उपयोग करके एक विशेष "कृत्रिम सिक्के" का निर्माण किया। खास बात यह है कि वे इस सिक्के के झुकाव (weight) को ट्यून कर सकते हैं। वे इसे नए विचारों को खोजने के लिए पागलों की तरह घुमा सकते हैं (उच्च यादृच्छिकता/randomness) या इसे एक सही उत्तर पर स्थिर होने के लिए शांत कर सकते हैं (कम यादृच्छिकता/randomness)।

रणनीति: "एनीलिंग" का नृत्य

सबसे अच्छी दवा फिट खोजने के लिए, कंप्यूटर डायनेमिक स्लोप एनीलिंग (DSA) नामक रणनीति का उपयोग करता है। कल्पना कीजिए कि आप कोहरे से भरे पहाड़ों के एक क्षेत्र में सबसे गहरी घाटी खोजने की कोशिश कर रहे हैं (सर्वश्रेष्ठ समाधान)।

झटका (उच्च यादृच्छिकता): शुरुआत में, कंप्यूटर सिस्टम को जोर से हिलाता है। यह हवा में गेंद फेंकने और उसे हर जगह उछालने जैसा है। यह गेंद को छोटी पहाड़ियों के ऊपर से कूदने और उथले गड्ढों (स्थानीय गलतियों) में फंसने से बचने में मदद करता है।
शांति (कम यादृच्छिकता): धीरे-धीरे, कंप्यूटर हिलना बंद कर देता है। गेंद ढलानों से नीचे लुढ़कने लगती है। क्योंकि इसने पहले बहुत अधिक अन्वेषण किया था, इसलिए इसकी संभावना अधिक है कि यह किसी छोटे गड्ढे में फंसने के बजाय सबसे गहरी, सबसे सटीक घाटी (ग्लोबल ऑप्टिमम) में लुढ़क जाए।

पेपर दिखाता है कि इस "झटके" को पूरी तरह से नियंत्रित करके, उनके चिप ने 72% बार सबसे अच्छा समाधान खोजा, जो इस प्रकार की समस्या के लिए एक बड़ी सफलता है।

वास्तविक दुनिया का परीक्षण: लिपोप्रोटीन पहेली

शोधकर्ताओं ने केवल गणित के साथ प्रयोग नहीं किया; उन्होंने इसे एक वास्तविक जैविक पहेली पर परखा।

समस्या: वे देखना चाहते थे कि एक विशिष्ट "लिपोप्रोटीन" (एक वसायुक्त अणु) बैक्टीरिया में एक "चेपरोन" प्रोटीन (LolA-LolCDE) में कैसे फिट होता है। यह इस बात का महत्वपूर्ण चरण है कि बैक्टीरिया अपने सेल वॉल (कोशिका भित्ति) का निर्माण कैसे करते हैं। यदि आप इसे रोक सकते हैं, तो आप बैक्टीरिया को मार सकते हैं।
अनुवाद: उन्होंने इस 3D पहेली को ग्राफ थ्योरी की समस्या (बिंदुओं को जोड़ना) में बदल दिया। उनके पास 42 संभावित कनेक्शन बिंदु (बिंदु) थे और उन्हें उन बिंदुओं के विशिष्ट समूह को खोजना था जो बिना टकराए या आपस में उलझे एक साथ फिट होते हैं।
परिणाम: उनके p-कंप्यूटर चिप ने कनेक्शनों के सही समूह की सफलतापूर्वक पहचान की। जब उन्होंने उस 3D आकार को देखा जिसे कंप्यूटर ने भविष्यवाणी की थी, तो वह उस आकार से मेल खाता था जिसे वैज्ञानिक पहले से ही सही जानते थे।

यह क्यों मायने रखता है (पेपर के अनुसार)

पेपर अन्य विधियों की तुलना में उनके नए चिप के तीन मुख्य लाभों पर प्रकाश डालता है:

"सफाई" की आवश्यकता नहीं: अन्य विधियाँ, जैसे कुछ क्वांटम दृष्टिकोण, अक्सर आपको एक अस्त-व्यस्त उत्तर देते हैं जिसे ठीक करने के लिए दूसरे कंप्यूटर की आवश्यकता होती है। इस p-कंप्यूटर ने सीधे हार्डवेयर से एक साफ, सही उत्तर दिया।
छोटा और व्यावहारिक: जबकि कुछ क्वांटम सेटअप के लिए पूरे प्रयोगशाला कक्ष की आवश्यकता होती है, यह चिप बहुत छोटी है। यह एक डाक टिकट के आकार के (6.5 x 4 मिमी) छोटे सर्किट बोर्ड पर फिट बैठती है।
कमरे के तापमान पर: क्वांटम कंप्यूटरों के विपरीत जिन्हें परम शून्य (absolute zero) के करीब जमने की आवश्यकता होती है, यह चिप सामान्य कमरे के तापमान पर काम करती है।

सारांश

संक्षेप में, शोधकर्ताओं ने एक छोटा, कमरे के तापमान पर काम करने वाला कंप्यूटर चिप बनाया है जो एक स्मार्ट, ट्यूनेबल सिक्का उछालने वाली मशीन की तरह कार्य करता है। उन्होंने इसे एक जटिल 3D पहेली को हल करने के लिए प्रशिक्षित किया कि बैक्टीरिया अणुओं का परिवहन कैसे करते हैं। सिक्के को पहले पागलों की तरह हिलाकर और फिर शांत करके, चिप ने 72% बार सटीक समाधान खोजा, जिससे यह सिद्ध हुआ कि यह नया "प्रोबेबिलिस्टिक" हार्डवेयर दवा की खोज के लिए एक शक्तिशाली उपकरण है।

तकनीकी सारांश: आणविक डॉकिंग के लिए एक सार्वभौमिक प्रोग्राम करने योग्य RRAM-आधारित संभाव्य कंप्यूटर का प्रथम हार्डवेयर प्रदर्शन

समस्या विवरण
आणविक डॉकिंग (Molecular docking) ड्रग डिस्कवरी में एक मौलिक चुनौती है, जिसके लिए लिगैंड और लक्षित प्रोटीन के बीच पसंदीदा बाइंडिंग कॉन्फ़िगरेशन की भविष्यवाणी करने की आवश्यकता होती है। बायोमॉलिक्यूल्स की संरचनात्मक विविधता और लचीले बाइंडिंग मोड द्वारा निर्मित विशाल खोज स्थान (search space) पारंपरिक कंप्यूटिंग विधियों को अभिभूत कर देते हैं। हालांकि क्वांटम कंप्यूटिंग दृष्टिकोण, जैसे कि गॉसियन बोसन सैंपलिंग (GBS) और क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (QAOA), आशाजनक रहे हैं, लेकिन वे व्यावहारिक अनुप्रयोग में महत्वपूर्ण बाधाओं का सामना करते हैं, जिनमें स्केलेबिलिटी बाधाएं, हार्डवेयर सीमाएं, सटीकता संबंधी मुद्दे, और नॉन-क्लीक आउटपुट को ठीक करने के लिए जटिल पोस्ट-प्रोसेसिंग एल्गोरिदम की बार-बार आवश्यकता शामिल है। इसके अलावा, मौजूदा संभाव्य कंप्यूटिंग (p-computing) हार्डवेयर अक्सर हाइब्रिड आर्किटेक्चर (CMOS + X) पर निर्भर करता है जो स्टोकेस्टिक डिवाइस जनरेशन को नियतात्मक (deterministic) प्रोसेसिंग से अलग करता है, जिससे वॉन न्यूमैन मेमोरी बॉटलनेक फिर से उत्पन्न हो जाता है और दक्षता सीमित हो जाती है।

कार्यप्रणाली
लेखक एक प्रोटोटाइप संभाव्य कंप्यूटर (p-computer) का प्रस्ताव और प्रदर्शन करते हैं जो कंप्यूटिंग-इन-मेमोरी (CIM) योजनाओं को कृत्रिम ट्यून करने योग्य संभाव्य बिट्स (p-bits) के साथ एकीकृत करता है।

हार्डवेयर आर्किटेक्चर: सिस्टम को एक डिस्क्रीट हॉपफील्ड न्यूरल नेटवर्क (DHNN) आर्किटेक्चर पर बनाया गया है। मुख्य हार्डवेयर एक 1T1R (एक-ट्रांजिस्टर, एक-रेसिस्टर) ऐरे है जो 180 nm CMOS तकनीक के साथ बैक-एंड-ऑफ-लाइन (BEOL) HfO₂-आधारित रेसिस्टिव रैंडम-एक्सेस मेमोरी (RRAM) को एकीकृत करता है। पिछले दृष्टिकोणों के विपरीत, जो उपकरणों की अंतर्निहित स्टोकेस्टिसिटीिटी (stochasticity) पर निर्भर करते हैं (जो निर्माण के बाद स्थिर होती है), यह डिज़ाइन एक "इन-सीटू" (in-situ) कृत्रिम p-बिट का उपयोग करता है। यह p-bit एक RRAM सेल को गॉसियन रैंडम नंबर जेनरेटर (RNG) और एक कंपैरेटर के साथ जोड़ता है। RRAM ऐरे 'मल्टीप्लाई-एक्युमुलेट' (MAC) ऑपरेशन करता है, जबकि गॉसियन RNG p-bit के आउटपुट की स्टोकेस्टिसिटी को नियंत्रित करने के लिए एक डायनेमिक थ्रेशोल्ड प्रदान करता है।
एल्गोरिदम और समस्या मैपिंग: आणविक डॉकिंग समस्या को ग्राफ पर मैक्सिमम वेटेड क्लीक प्रॉब्लम (MWCP) के रूप में पुनर्गठित किया गया है।
1. ग्राफ निर्माण: लिगैंड और रिसेप्टर पर फार्माकोफोर पॉइंट्स (PPs) निकाले जाते हैं। संभावित बाइंडिंग जोड़े ग्राफ में वर्टिसिस (vertices) बनाते हैं। स्थानिक अनुकूलता जांच (यूक्लिडियन दूरी के आधार पर) किनारों (edges) को निर्धारित करती है, जिससे एक बाइंडिंग इंटरैक्शन ग्राफ (BIG) बनता है।
2. QUBO फॉर्मूलेशन: MWCP को एक क्वाड्रेटिक अनकन्स्ट्रेंड बाइनरी ऑप्टिमाइज़ेशन (QUBO) समस्या में बदल दिया जाता है, जिसे फिर DHNN के लिए उपयुक्त ऊर्जा न्यूनीकरण (energy minimization) फंक्शन में मैप किया जाता है। ऊर्जा फंक्शन में वर्टेक्स वेट्स (बाइंडिंग एफिनिटी) को अधिकतम करने के लिए एक टर्म और क्लीक बाधाओं (स्थानिक अनुकूलता) को लागू करने के लिए एक पेनल्टी टर्म शामिल है।
3. डायनेमिक स्लोप एनीलिंग (DSA): लोकल मिनिमा की समस्या से निपटने के लिए, लेखक एक DSA तंत्र पेश करते हैं। स्थिर स्टोकेस्टिसिटी के बजाय, $\sigma$ के लिए गॉसियन RNG के मानक विचलन (standard deviation) को पुनरावृत्ति (iteration) के दौरान गतिशील रूप से ट्यून किया जाता है। सिस्टम समाधान स्थान को व्यापक रूप से खोजने के लिए उच्च स्टोकेस्टिसिटी के साथ शुरू होता है और वैश्विक इष्टतम (global optimum) पर अभिसरण (converge) करने के लिए $\sigma$ को धीरे-धीरे शून्य तक कम करता है।

प्रमुख योगदान

इन-सीटू ट्यून करने योग्य p-Bits: यह पेपर एक p-bit डिज़ाइन पेश करता है जो स्टोकेस्टिसिटी को डिवाइस की अंतर्निहित विशेषताओं से अलग करता है। RRAM ऐरे में बायस करंट वितरण को नियंत्रित करने के लिए गॉसियन RNG का उपयोग करके, सिस्टम भौतिक डिवाइस की निश्चित यादृच्छिकता (randomness) पर निर्भर रहने के बजाय ट्यून करने योग्य सिग्मोइडल इनपुट-आउटपुट विशेषताएँ प्राप्त करता है। यह हार्डवेयर कार्यान्वयन के लिए तकनीकी बाधाओं को कम करता है।
कंप्यूटेशनल बायोलॉजी में प्रथम हार्डवेयर प्रदर्शन: यह कार्य कम्प्यूटेशनल बायोलॉजी की समस्या को हल करने में p-कंप्यूटिंग हार्डवेयर का पहला सफल अनुप्रयोग है।
एकीकृत CIM प्रोटोटाइप: लेखकों ने 180 nm CMOS के साथ HfO₂ RRAM को एकीकृत करते हुए एक कार्यात्मक प्रोटोटाइप का निर्माण किया है, जो एक कॉम्पैक्ट, ऊर्जा-कुशल समाधान प्रदर्शित करता है जो वॉन न्यूमैन बॉटलनेक से बचता है।
DSA एल्गोरिदम: वैश्विक अन्वेषण (exploration) और स्थानीय अभिसरण (convergence) को संतुलित करने के लिए विशेष रूप से इस हार्डवेयर के लिए तैयार किया गया DSA रणनीति का विकास।

प्रायोगिक परिणाम
सिस्टम को एक लिपोप्रोटीन और LolA-LolCDE कॉम्प्लेक्स से जुड़ी 42-नोड आणविक डॉकिंग समस्या को हल करके मान्य किया गया, जो ग्राम-नेगेटिव बैक्टीरिया के खिलाफ एंटीबायोटिक्स विकसित करने के लिए एक महत्वपूर्ण लक्ष्य है।

स्टोकेस्टिसिटी ट्यूनिंग: गॉसियन RNG के मानक विचलन ( $\sigma$ ) को बदलते हुए प्रयोगों ने दिखाया कि एक स्थिर $\sigma = 0.5$ ने निरंतर सेटिंग्स में सर्वश्रेष्ठ प्रदर्शन दिया, जिसने 100 परीक्षणों में से 35% में इष्टतम समाधान (मैक्सिमम वेटेड क्लीक) की पहचान की। कम $\sigma$ मानों के कारण लोकल मिनिमा में फंसने की समस्या हुई, जबकि उच्च $\sigma$ मानों के कारण अत्यधिक शोर (noise) उत्पन्न हुआ।
DSA प्रदर्शन: DSA रणनीति ( $\sigma$ को 0.5 से 0 तक गतिशील रूप से कम करना) को लागू करने से प्रदर्शन में काफी सुधार हुआ। सिस्टम ने 100 परीक्षणों में से 72% मामलों में सैद्धांतिक ग्राउंड स्टेट (0.8702 के संचयी भार के साथ इष्टतम बाइंडिंग कॉन्फ़िगरेशन) को सफलतापूर्वक पहचाना।
वैलिडेशन: अनुमानित डॉकिंग कॉन्फ़िगरेशन, जिसमें चार हाइड्रोफोबिक इंटरैक्शन और एक हाइड्रोजन बॉन्ड शामिल है, प्रोटीन-लिगैंड इंटरैक्शन प्रोफाइलर टूल के परिणामों के साथ निकटता से मेल खाता है।
तुलना: GBS और अन्य क्वांटम-आधारित सॉल्वर के विपरीत, p-कंप्यूटर ने बिना किसी पोस्ट-प्रोसेसिंग एल्गोरिदम की आवश्यकता के एक-चरणीय समाधान प्रदान किया, जो क्लीक गुणों को लागू करता है। सिस्टम एक कॉम्पैक्ट PCB पर संचालित हुआ जिसमें 6.5 × 4 mm² का एकीकृत चिप था, जो फोटोनिक क्वांटम सिस्टम के बड़े प्रयोगशाला फुटप्रिंट के विपरीत है।

महत्व और दावे
लेखक दावा करते हैं कि यह कार्य कम्प्यूटेशनल बायोलॉजी में p-कंप्यूटिंग को लागू करने में एक बड़ी सफलता है। अध्ययन प्रदर्शित करता है कि RRAM-आधारित p-कंप्यूटर ड्रग डिजाइन में निहित जटिल कॉम्बिनेटरियल ऑप्टिमाइज़ेशन समस्याओं को कुशलतापूर्वक हल कर सकते हैं, जो स्केलेबिलिटी, हार्डवेयर फुटप्रिंट और पोस्ट-प्रोसेसिंग आवश्यकताओं को समाप्त करने के मामले में वर्तमान क्वांटम दृष्टिकोणों से बेहतर प्रदर्शन करते हैं। 72% सफलता दर के साथ 42-नोड MWCP को सफलतापूर्वक हल करके, यह कार्य वास्तविक दुनिया की बायोइंफॉर्मेटिक्स चुनौतियों के लिए ट्यून करने योग्य कृत्रिम p-bits के उपयोग की व्यवहार्यता को प्रमाणित करता है। लेखक इस तकनीक को ड्रग डिस्कवरी के लिए एक परिवर्तनकारी दृष्टिकोण के रूप में देखते हैं, जो पारंपरिक कंप्यूटिंग और वर्तमान क्वांटम हार्डवेयर सीमाओं दोनों के लिए एक स्केलेबल और ऊर्जा-कुशल विकल्प प्रदान करती है।